Sürücü yorgunluk evrelerinin EEG işaretleri ile tespiti ve analizi
Ahmet Demir1, Şule Bekiryazıcı1, Oğuzhan Coşkun1, Recep Eken2, Güneş Yılmaz11Bursa Uludağ Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü, Bursa2Daiichi Arge Sanayi ve Ticaret Anonim Şirketi, Bursa
Günümüzde birçok insan trafik kazalarında hayatlarını kaybetmektedir. Trafik kazalarının en önemli nedeni olarak sürücülerin uykusuzluğu ve yorgunluğu gösterilmektedir. Bu nedenle sürücü performansının analizi konusunda yapılan araştırmalar büyük önem taşımaktadır. Bu çalışmada, elektroensefalografi (EEG) verileri kullanılarak sürücü yorgunluğunu analiz edebilecek bir sistem tasarlanmıştır. Veri seti olarak National Chiao Tung Üniversitesi tarafından hazırlanan sürekli dikkat halinde sürüş deneyinden alınan EEG işaretleri kullanılmıştır. boyutu Sürücünün yorgunluk zamanlarını ve seviyesini tespit edebilmek için veri seti dört sınıfa ayrılmıştır. Sürücü yorgunluğu evrelerinde ortaya çıkan frekans aralıklarını belirleyebilmek için EEG sinyallerine filtreleme işlemleri yapılmıştır. Temel Bileşen Analizi yöntemi kullanılarak öznitelik matrisinin azaltılmıştır. Böl ve Fethet algoritması ile dört sınıfın birbirinden en iyi şekilde ayrılacağı tüm kombinasyonlar belirlenmiş ve her adımda alt-sınıflandırıcılar kullanılarak sınıflandırma işlemi yapılmıştır. Alt sınıflandırıcı olarak, k-En Yakın Komşuluk, Destek Vektör Makineleri ve Doğrusal Ayırım Analizi algoritmaları kullanılmıştır. Çalışma sonucunda ortalama sınıflandırma başarıları k-En Yakın Komşuluk algoritması için %87.9, Destek Vektör Makineleri algoritması için %88.5 ve Doğrusal Ayırım Analizi için %81.6 olarak elde edilmiştir. En yüksek ortalama sınıflandırma başarısı ise 4. sınıf yorgunluk seviyesinde, sürüşün 67.5 – 90 dakikaları arasında Destek Vektör Makineleri sınıflandırıcısı ile %93.2 olarak elde edilmiştir.
Anahtar Kelimeler: Sürücü Yorgunluğu, Elektroensefolografi, Temel Bileşen Analizi, Sınıflandırma, Böl ve Fethet AlgoritmasıDetection and analysis of driver fatigue stages with EEG signals
Ahmet Demir1, Şule Bekiryazıcı1, Oğuzhan Coşkun1, Recep Eken2, Güneş Yılmaz11Bursa Uludağ University, Department Of Electrical And Electronics Engineering, Bursa2Daiichi R&D Industry and Trade Inc., Bursa
Today, many people die in traffic accidents. Sleeplessness and fatigue of drivers are shown as the most important cause of traffic accidents. For this reason, research on driver performance analysis is of great importance. In this study, a system is designed to analyze driver fatigue using EEG data. As the data set, the EEG signals from sustained-attention driving task prepared by National Chiao Tung University have been used. The data set is divided into four classes to determine the driver's fatigue times and level. In order to determine the frequency ranges that occur during driver fatigue phases, EEG signals are filtered. Principal Component Analysis method has been used to reduce the size of the features matrix. With the Divide and Conquer algorithm, all combinations in which the four classes will be separated best are determined and classification has been done at each step using sub-classifiers. As sub-classifiers, k-Nearest Neighborhood, Support Vector Machines and Linear Discrimination Analysis algorithms are used. As a result of the study, the average classification successes are 87.9% for the k-Nearest Neighborhood algorithm, 88.5% for the Support Vector Machines algorithm and 81.6% for Linear Discrimination Analysis. The highest classification success has been achieved as 93.2% with the Support Vector Machines classifier, between 67.5 - 90 minutes of driving at the 4th grade fatigue level.
Keywords: Driver Fatigue, Electroencephalography, Principle Component Analysis, Classification, Divide and Conquer AlgorithmSorumlu Yazar: Şule Bekiryazıcı, Türkiye
Makale Dili: Türkçe